[发明专利]一种基于关键纤维束的轻度认知障碍症评估方法

说明书

一种基于关键纤维束的轻度认知障碍症评估方法，由于AD病人出现症状时已处于中晚期，且现有的治疗方法很难达到有效结果，只能延缓病症的发展，因此，对轻度认知障碍症(Mild Cognition Impairment,MCI处于健康与AD的中间阶段)的评估具有重要意义。本发明选择弥散张量成像磁共振数据作为主研究对象，该模态是磁共振成像的特殊形式，是目前唯一有效观察和追踪大脑白质纤维束的非侵入手段，反映的是大脑白质组织中的多项扩散属性。同时，与以往的对整幅磁共振图像进行特征提取的像素级特征不同，本发明创新性地采用的纤维束级特征，即提取轻度认知障碍症患者组和健康对照组具有显著性差异的关键纤维束进行特征融合，是传统轻度认知障碍症评估方法的一种补充手段，能够在现有技术上辅助对轻度认知障碍症的评估。

技术领域

本发明属于医学图像处理领域，具体涉及一种基于关健纤维束的轻度认知障碍症评估方法。

背景技术

阿尔兹海默症(Alzheimer’s disease,AD)是一种经行性认知功能障碍和记忆力损害为特征的神经系统退行性疾病，是目前最常见的一种老年痴呆疾病。由于AD病人出现症状时已处于中晚期，且现有的治疗方法很难达到有效结果，只能延缓病症的发展，因此，对轻度认知障碍症(Mild Cognition Impairment,MCI处于健康与AD的中间阶段)的评估具有重要意义。

核磁共振成像技术是一种无创地显示大脑结构的技术，它的快速发展为了解大脑生理结构和功能连接提供了重要帮助。很多学者专家对多模态的核磁影像数据进行分析研究，试图获得更加准确的MCI评估结果。在《轻度认知障碍转化阿尔兹海默病影像预测研究》一文中，作者提取结构核磁共振影像的大脑灰质，然后计算感兴趣体素进行分类预测；在《迁移学习特征提取的rs-fMRI早期轻度认知障碍分类》一文中，作者提取静息态功能性磁共振成像数据的时间序列，并结合迁移学习算法进行分类预测，精度比传统算法表现更佳。

与上述分类预测方法不同的是，本发明选择弥散张量成像磁共振数据作为主研究对象，该模态是磁共振成像的特殊形式，是目前唯一有效观察和追踪大脑白质纤维束的非侵入手段，反映的是大脑白质组织中的多项扩散属性。同时，与以往的对整幅磁共振图像进行特征提取的像素级特征不同，本发明创新性地采用的纤维束级特征，即提取轻度认知障碍症患者组和健康对照组具有显著性差异的关键纤维束进行特征融合，是传统轻度认知障碍症评估方法的一种补充手段，能够在现有技术上辅助对轻度认知障碍症的评估。

发明内容

为克服现有技术中的不足，本发明提出了一种基于关键纤维束的轻度认知障碍症评估方法，选择弥散张量成像磁共振数据作为主研究对象，创新性地采用的纤维束级特征，即提取轻度认知障碍症患者组和健康对照组具有显著性差异的关键纤维束进行特征融合，是传统轻度认知障碍症评估方法的一种补充手段，能够在现有技术上辅助对轻度认知障碍症的评估。具体包括：

步骤(1)利用纤维自动量化方法对轻度认知障碍症患者组样本和健康对照组样本个体的扩散磁共振图像进行全脑纤维束进行跟踪，剔除游离纤维束，获得初步全脑纤维束集，然后利用纤维束的感兴趣区域和概率图谱，剔除错误纤维，获得全脑白质纤维束集；

步骤(2)将每个关键纤维束内的每根纤维重采样到100个等距节点来量化纤维束中心部分的扩散特性，计算多项特征指标，然后统计并分析两组间纤维束的差异，得到存在显著性差异的关键纤维束组；

步骤(3)将存在差异的纤维束组的多项特征指标以特征向量表示，然后利用主成分分析法对提取的所有特征向量进行特征级融合，作为每个样本的多维特征向量；

步骤(4)将样本分为训练集和测试集，选择径向基核函数的支持向量机SVM，用训练集的特征向量对SVM分类器进行训练，训练完成后，将测试集的特征向量输入SVM分类器进行分类评估，并评价评估结果。

进一步地，所述步骤(1)的具体包括：